Optimale queries schrijven

Introductie tot Redshift

Jason Myers

Principal Engineer

Beperk kolommen

Vermijd SELECT *
Selecteer geen kolommen die je niet nodig hebt in het resultaat
- Redshift is kolom-georiënteerd en haalt per kolom op

Gebruik DISTKEY en SORTKEYs

Gebruik waar mogelijk in de volgende clausules

JOIN
WHERE
GROUP BY

Gebruik SORTKEYs in volgorde in ORDER BY

Sterk geoptimaliseerd: sortkey_1, sortkey_2, sortkey_3
Niet geoptimaliseerd: sort_key_1, sort_key_3

Gedistribueerde queries

Goede predicaten bouwen

Gebruik DISTKEY en SORTKEY
Dicht bij de table join
Vermijd functies erin

SELECT receipts.cookie_id, 
       sum(receipts.total)
FROM receipts
JOIN cookies ON receipts.cookie_id = cookies.cookie_id
  -- Keep cookies predicates in the join to push down to nodes holding the records for cookies
 AND cookies.available_on < '2023-11-14'
 AND cookies.end_of_sale IS null
-- Predicates that are not part of the join or on the joined table stay in the WHERE clause
WHERE receipts.order_time > '2023-11-13'
GROUP BY 1 ORDER BY 1;

Wees consistent in kolomvolgorde

Bij gebruik van:

GROUP BY
ORDER BY

Slecht

GROUP BY col_one, col_two, col_three
ORDER BY col_two, col_three, col_one

Goed

GROUP BY col_two, col_three, col_one
ORDER BY col_two, col_three, col_one

Gebruik subqueries verstandig

Gebruik passende join-strategieën i.p.v. zomaar een subquery

Gebruik EXISTS in je predicaten als je alleen wilt controleren of een subquery iets oplevert

SELECT column_name
FROM table_name
WHERE EXISTS
  (SELECT column_name 
   FROM table_name 
   WHERE active is True);

Hergebruik je subqueries met CTE’s om caching te benutten

Laten we oefenen!

Introductie tot Redshift